引言 傳統智慧合約程式碼審計，多使用純人工或者形式化驗證等切片窮舉的方式，而且涉及到程式碼審計審計人員水平高低不一樣，容易導致審計結果出現偏差。人工方式受到個人能力所限，質量無法保證，且人力疏忽的可能性遠高

我想大多數人和我一樣，第一次聽見“人工智慧”這個詞的時候都會覺得是一個很高大上、遙不可及的概念，特別像我這樣一個平凡的前端，和大部分人一樣，都覺得人工智慧其實離我們很遙遠，我們對它的印象總是停留在各種各樣神奇而

思源 翻譯 2018/10/08 14:27 Antoine J.-P. Tixier 作者思源

近年來，神經網路已經成為了計算機視覺中主要的機器學習解決方案。然而神經網路結構的設計仍然需要極強的專業知識，在一定程度上妨礙了神經網路的普及。 近日，在雷鋒網 AI 研習社公開課上，約翰霍普金斯大學在讀博

【轉載請註明出處】chenrudan.github.io 隨著神經網路演算法的發展，網路效能雖然越來越強大，但是也耗費了太多的計算資源和記憶體，為了得到更有效率的網路以及能部署在移動端，近幾年神經網路的

昨日，reddit 上一篇帖子引發熱議，該帖介紹了一篇關於梯度下降對過引數化神經網路影響的論文，該論文只用單個非常寬的隱藏層，並證明了在一定條件下神經網路能收斂到非凸優化的全域性最優解。這是對深度學習的

AI人工智慧神經網路在線上色軟體Paintschainer VS Paintstransfer的簡介及建議教程 最近，我對古風水彩上色十分感興趣，外加在研究神經網路繪畫方面的事情，最近發現了幾個特別好玩的線

大家好！歡迎來到FloodSung的AI遊樂場！ 雖然Meta Learning現在已經非常火了，但是還有很多小夥伴對於Meta Learning不是特別理解。考慮到我的這個AI遊樂場將充斥

今天Flood和大家分享一下Chelsea Finn的博士論文賞析。 Chelsea Finn，想必很多人還是很熟悉的，可以說是AI圈最牛逼的博士之一吧。我也算是自來粉，雖然曾經的paper還被她

神經網路（NN），也被稱為人工神經網路（ANN），是機器學習領域中學習演算法的子集，大體上借鑑了生物神經網路的概念。目前，神經網路在計算機視覺、自然語言處理等領域應用廣泛。德國資深機器學習專家 Andrey

機器之心 翻譯 2018/10/03 03:30 參與 李詩萌 路雪 自動生成高效DN

前面兩篇隨筆實現的單層神經網路和多層神經網路， 在MNIST測試集上的正確率分別約為90%和96%。在換用多層神經網路後，正確率已有很大的提升。這次將採用卷積神經網路繼續進行測試。 1、模型基本結構

選自medium， 作者： Albert Ierusalem 機器之心編譯， 參與：高璇、張倩 引言 人的大腦中有多種遺忘形式，這是一個正常、可適應且必要的學習過程。其中一個有趣的

在我的上一篇隨筆中，採用了單層神經網路來對MNIST進行訓練，在測試集中只有約90%的正確率。這次換一種神經網路（多層神經網路）來進行訓練和測試。 1、獲取MNIST資料 MNIST資料集只要一行程

在經典的人工神經網路解釋中，隱藏層中的所有神經元最初都是被啟用的，為了完成某一特定任務，有必要關閉其中的一些神經元，即有必要「遺忘」所有不必要資訊。本文提出了具有主動遺忘機制的模型——主動遺忘機器（ac